基于超像素的类语义纹理基元出现次数的自然路边植被分割

从路边数据中进行植被分割是一个在现有研究中关注相对较少的领域，但在道路安全评估和植被状况监测等广泛的实际应用中具有巨大潜力。本文提出一种新颖方法，生成类语义颜色-纹理纹理基元（texton），并聚合基于超像素的纹理基元出现次数，用于自然路边图像中的植被分割。首先通过为每一对象类使用人工裁剪的训练数据，分别从颜色和滤波组纹理特征生成两组词袋视觉字典，学习像素级类语义纹理基元。对于测试图像，先将其过分割为一组同质超像素。提取每个超像素中所有像素的颜色和纹理特征，并使用最近距离度量进一步映射到所学纹理基元之一，得到颜色和纹理纹理基元出现矩阵。利用线性混合方法在每个超像素上聚合颜色和纹理纹理基元出现次数，最后使用简单而有效的多数投票策略实现分割。在澳大利亚昆士兰交通与主干道部（DTMR）采集视频的两个公共图像数据集以及一个公共路边草类数据集上的评估显示了所提方法的高准确率。我们还展示了该方法在真实场景植被分割中的有效性。